Arkadaşım “Bu sesi sen mi konuştun?” diye sordu — e-ticaret ürün videolarında seslendirme meselesi

Arkadaşım “Bu sesi sen mi konuştun?” diye sordu — e-ticaret ürün videolarında seslendirme meselesi

Geçen çarşamba gece 23.40’ta telefonum titredi. Emre’den tek satır: “Videodaki adam kim?”

Öğleden sonra Trendyol mağazam için çektiğim termos videosunu kastediyordu. “Yapay zeka” yazdım. Üç soru işareti geldi, ardından: “Yok artık. O nefes alışlar, o duraklamalar… insan o.”

Tepkisini çok iyi anlıyorum aslında. İki yıl önce ben de robot seslendirme denemiştim; navigasyon cihazı gibi okuyordu. Ürün videosuna onu koyunca izlenme süresi yarıya düşüyor. O yüzden Emre sorunca içten içe biraz keyiflendim. Kullandığım şey ücretsiz ses klonlama — kendi kaydettiğim üç dakikalık bir sesle eğittiğim ton, sonraki bütün videoları benim yerime o okuyor.

Seslendirme patladığında, görüntü bulanıklığından beter oluyor

E-ticaretle uğraşan bilir: ürün fotoğrafı, açıklama, video. İlk ikisini Photoshop’la kurtarırsın, video konuşmaya başlayınca her şey ortaya çıkar.

Çok gördüm bunu. Kurgu temiz, müzik yerinde, ama ses bir çıkıyor — mekanik, düz, her heceyi kıskıvrak yakalamış, kullanım kılavuzu okuyor sanki. Kullanıcının kaydırması 1,5 saniye sürüyor.

Sorun şu: gerçek seslendirme sanatçısı hem pahalı hem yavaş. 30 saniyelik bir metin için 300-800 TL arası fiyat veriyorlar, revizyon istersen üstüne ekliyorlar. Günde beş video çıkaran bir mağaza bunu kaldıramaz. Robot ses de kulağa kötü geliyor. İşte tam bu ikisinin arasındaki boşluğu ücretsiz online ses klonlama dolduruyor.

Denediğim araçlarda yediğim kazıklar: her “ücretsiz” kullanılabilir değil

Kısa yoldan söyleyeyim — bedava şeylerin en pahalısı genelde senin zamanın.

Yedi sekiz araç denedim. Kimisi metin sese çevirme ücretsiz diye yazmış, giriyorsun 30 saniye sınırı var, üstü paralı. Kimisi kayıt istiyor, telefon doğrulaması, kimlik… o süreci bitirene kadar ben videoyu kurgulamış oluyorum. Kimisinin çıktısına filigran sesi biniyor ya da her on saniyede bir “bu ses şu servis tarafından üretilmiştir” diye araya giriyor. Bir de voice cloning türkçe online diye arattığımda karşıma çıkan ilk beş site ya tamamen İngilizceydi ya da Türkçe’yi bozuk okuyordu; “ı” yerine “i”, “ş” yerine “s” diyen bir sesi müşteriye dinletemezsin.

Sonra bir arkadaşım VoxClone’u önerdi. İlk açtığımda temkinliydim — sonuçta “sınırsız ücretsiz ses klonlama” yazıyor, bu devirde kim inanır? Ama girdim, kayıt olmadan doğrudan ses yükledim, birkaç dakika bekledim, ton hazırdı. Kayıt gerektirmeyen online ses klonlama benim için hayati bir şey: müşterinin ofisinde metni değiştiriyorum, adamın bilgisayarına giriyorum, tek cümle için hesap açmam mümkün değil.

Mantığı aslında basit. Temiz bir insan sesi veriyorsun, tonu öğreniyor; sonra metni atıyorsun, senin sesinle okuyor. Ücretsiz ses sentezleme tarafında Türkçe’nin durak ve tonlama işini beklediğimden iyi çözüyor — en azından “ki”, “de”, “mi” eklerini taş gibi okumuyor.

Şu an ürün videolarımı nasıl seslendiriyorum

Dört adım:

• Metni yaz, nefes noktalarına göre böl, cümle 20 kelimeyi geçmesin
• Metni online metin seslendirme aracına at, önceden eğittiğim tonu seç
• Sesi indir, CapCut’a sürükle, görüntüyle hizala
• Ana satış cümlesinin önüne elle 0,2 saniye boşluk koy

Kulağa kolay geliyor ama birkaç detay var.

Metin kesinlikle “insan dili”yle yazılmalı. “Ürünümüz 304 gıda sınıfı paslanmaz çelikten üretilmiştir” dersen yapay zeka ses bunu felakete çeviriyor. “İç haznesi 304, kaynar su koyunca koku yapmıyor” yaz, aynı ton birden canlanıyor. Sadece metnin ritmini duymak için ücretsiz bir metin okuma aracı arıyorsan da fazlasıyla yeterli.

Tek seferde mükemmel sonucu beklemeyin. Ben genelde iki üç versiyon üretip en rahat tempoyu seçiyorum. Nasılsa ücretsiz yapay zeka sesi, adet derdi yok — bu, tek tek ücretlendiren araçlara göre çok daha rahat bir çalışma biçimi.

Ses kaydı temiz olmalı. İlk denememi salonda yaptım, klimanın uğultusu da öğrenilmiş; sonuçta her kelimenin arkasında hafif bir “vın” vardı. Sonra banyoya girip kaydettim, sonuç çok daha iyi oldu. Bu tuzağı daha fazla ipucu sayfasında da yazmışlar.

Bir de şu var, hoşuma giden bir şey. Evcil hayvan ürünleri satan bir arkadaşımın sesi tiz; kedi maması gibi “yumuşaklık” isteyen bir ürüne uygun değil. O, kendi sesini klonla seçeneğiyle tonu bir tık kalınlaştırdı, üstüne eşinin tonundan biraz karıştırdı — ikisinin arasında bir ses çıktı. Ne telif sorunu var, ne de tamamen sentetik bir soğukluk. Ücretsiz insan sesi sentezlemenin bu noktaya gelmesi iki yıl önce aklıma gelmezdi.

Bu arada iş sadece ürün videosu değil. Geçen ay bir arkadaşım blog yazılarını sese çevirmek istedi; sesli kitap yapay zeka ücretsiz diye ararken aynı yere geldi. Şimdi kendi yazılarını kendi sesiyle okutup Spotify’a podcast olarak koyuyor. Video seslendirme yapay zeka tarafında da mantık aynı: tonu bir kere eğit, sonra istediğin kadar metni okut. Kurulum gerektiren masaüstü yazılımlarla uğraşmadan önce tarayıcıda çalışan bir şey denemenizi öneririm; ücretsiz seslendirme programı arayanların çoğu aslında bu kadarına ihtiyaç duyuyor.

En çok sorulan birkaç soru

Ses klonlama zor mu? Teknolojiyle hiç aram yok.

Değil, gerçekten değil. Model bilmene, ekran kartına, kod çalıştırmaya gerek yok. 1-3 dakikalık temiz bir ses kaydı yükle, gerisini bırak. Ücretsiz ses klonlama programı arayanlar için VoxClone süreç olarak en kısa olanlardan biri — kayıt olmadan ses sentezleme, sayfayı açıp kullanıyorsun.

Bedava bir şey bir gün aniden paralı olur ya da kapanır mı?

Endişen yerinde, bu soruyu ben de sordum. Benim yöntemim şu: önemli ton kayıtlarının orijinalini bilgisayarımda tutuyorum. Araç değişirse başka bir yerde yeniden eğitirim, kaybım on beş dakika olur. Ama şu ana kadar “sınırsız ücretsiz” ibaresiyle geldi, adet ya da süre sınırına takılmadım — sınırsız metin seslendirme tarafında yarım yıldır bir engelle karşılaşmadım.

Üretilen sesi ticari olarak kullanabilir miyim? Platform telif atar mı?

Ben doğrudan mağaza videolarımda kullanıyorum, şu ana kadar bir sorun yaşamadım — çünkü ton benim kendi sesim, yani kendime izin veriyorum. Ama başkasının sesini klonluyorsan yazılı izin alman şart, bunun tartışması yok. KVKK tarafında da ses kaydı kişisel veri sayılabiliyor; kaydı aldığın kişiden açık rıza alman gerekiyor, özellikle çalışanlarının sesini kullanacaksan bunu yazılı hale getir. Bir de kod yazabiliyorsan ücretsiz ses sentezleme API’si var, yüzlerce SKU metnini toplu üretmek için birebir; ben daha derinlemesine bakamadım, gelecek ay denemeyi düşünüyorum.

Son olarak

Emre’ye dönersek. O gece anlattım, bir süre sustu, sonra sordu: “Yani ben de kendi sesimle yapabilir miyim?”

Dedim ki tabii, https://tr.web666.cc/ adresine gir, on dakikada olup olmadığını anlarsın. Ertesi sabah 20 saniyelik bir kayıt attı — kendi sesi, kendi çay markasının özelliklerini okuyor. Altına da “fena değil ama” diye yazmış.

Sen de ürün videolarının sesi yüzünden dert çekiyorsan, seslendirme sanatçısı arayayım mı diye düşünmeden önce on dakikanı ayırıp kendi sesini kaydet. Nasılsa bedava, deneme maliyeti neredeyse sıfır. Zor olan hiçbir zaman araç olmadı; zor olan, metni “insan dili”ne çevirmeye üşenmemek.